OpenAI目前正在寻求数据合作伙伴，打算与各组织合作生成用于训练人工智能模型的公共及私有数据集，旨在提高人工智能对特定领域或主题的整体理解能力。

该公司的官网博客上写道，为了让人工智能深入理解各个行业、文化和语言，它需要尽可能广泛的训练数据集。“现代人工智能技术通过理解其训练数据来学习我们世界的方方面面——人、我们的动机、互动和交流方式。”

据了解，OpenAI主要对反映人类社会的、目前在公共网络上不易获取的大规模数据集感兴趣。提交的数据类型可以是文本、图像、音频或视频格式。该公司表示，他们有能力处理几乎任何形式的数据，他们拥有世界一流的光学字符识别（OCR）技术，可以将PDF等文件数字化，以及自动语音识别（ASR）技术，可以将口头语言转录为文字。

OpenAI表示他们不寻求包含敏感或个人信息的数据集，也不寻求属于第三方的信息，并可以协助删除提交数据中的这些信息。

目前OpenAI公开了两种合作方式，一是可供任何人在AI模型训练中使用的开源数据集；二是用于训练专有AI模型的私有数据集（OpenAI表示将根据对方的要求对数据设置相应的敏感性和访问控制级别）。

该公司表示他们已经与许多组织合作，例如冰岛政府和Miðeind ehf。通过整合这部分数据集，提升了GPT-4对冰岛语的熟练程度。再如与非营利组织Free Law Project合作，将他们的法律相关文件收集纳入了人工智能训练中。

编辑：左右里

资讯来源：OpenAI官网

转载请注明出处和本文链接